[發(fā)明專利]語音識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910506115.0
• 申請日: 2019-06-12
• 公開（公告）號: CN110223678A
• 公開（公告）日: 2019-09-10
• 發(fā)明（設(shè)計）人: 萬光輝
• 申請（專利權(quán)）人: 蘇州思必馳信息科技有限公司
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/06
• 代理公司: 北京商專永信知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 方挺;黃謙

1.一種語音識別方法，包括：

將提取到的語音文件每一幀的音頻特征輸入至深度學習神經(jīng)網(wǎng)絡(luò)中，確定每一幀的后驗概率，通過對每一幀的后驗概率進行平滑處理，確定組成所述對話語音的關(guān)鍵詞；

檢測所述關(guān)鍵詞是否在預(yù)設(shè)易串詞表中，若是，則確定所述關(guān)鍵詞所在的串詞集合；

獲取所述語音文件中每幀的后驗概率最大值對應(yīng)的標簽組成的第一標簽序列，以及所述各待選詞發(fā)音映射確定的第二標簽序列，通過動態(tài)時間規(guī)整算法依次遍歷所述第一標簽序列與各待選詞對應(yīng)的第二標簽序列的相似度，將最大相似度對應(yīng)的待選詞作為所述對話語音的識別詞語，其中，所述各標簽序列間可以不等長。

2.根據(jù)權(quán)利要求1所述的方法，其中，在所述將提取到的語音文件每一幀的音頻特征輸入至深度學習神經(jīng)網(wǎng)絡(luò)中之前，所述方法還包括：

提取訓練數(shù)據(jù)每一幀的音頻特征，對所述每一幀的音頻特征進行標簽對齊操作，用作深度神經(jīng)網(wǎng)絡(luò)的訓練參數(shù)；

對標簽對齊后的音頻特征，使用梯度下降算法迭代訓練所述深度神經(jīng)網(wǎng)絡(luò)，以提高所述深度神經(jīng)網(wǎng)絡(luò)的大小。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述通過對每一幀的后驗概率進行平滑處理，確定組成所述對話語音的關(guān)鍵詞包括：

通過對每一幀的后驗概率進行平滑打分，確定所述對話語音識別結(jié)果的分值；

當所述識別結(jié)果的分值達到預(yù)設(shè)識別閾值時，將所述識別結(jié)果確定為組成所述對話語音的關(guān)鍵詞。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述檢測所述關(guān)鍵詞是否在預(yù)設(shè)易串詞表還包括：

當所述關(guān)鍵詞不在所述預(yù)設(shè)易串詞表中時，將所述關(guān)鍵詞作為所述語音的識別詞語。

5.一種語音識別系統(tǒng)，包括：

關(guān)鍵詞確定程序模塊，用于將提取到的語音文件每一幀的音頻特征輸入至深度學習神經(jīng)網(wǎng)絡(luò)中，確定每一幀的后驗概率，通過對每一幀的后驗概率進行平滑處理，確定組成所述對話語音的關(guān)鍵詞；

易串詞檢測程序模塊，用于檢測所述關(guān)鍵詞是否在預(yù)設(shè)易串詞表中，若是，則確定所述關(guān)鍵詞所在的串詞集合；

識別程序模塊，用于獲取所述語音文件中每幀的后驗概率最大值對應(yīng)的標簽組成的第一標簽序列，以及所述各待選詞發(fā)音映射確定的第二標簽序列，通過動態(tài)時間規(guī)整算法依次遍歷所述第一標簽序列與各待選詞對應(yīng)的第二標簽序列的相似度，將最大相似度對應(yīng)的待選詞作為所述對話語音的識別詞語，其中，所述各標簽序列間可以不等長。

6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其中，在關(guān)鍵詞確定程序模塊之前，所述系統(tǒng)還包括：神經(jīng)網(wǎng)絡(luò)訓練程序模塊，用于

提取訓練數(shù)據(jù)每一幀的音頻特征，對所述每一幀的音頻特征進行標簽對齊操作，用作深度神經(jīng)網(wǎng)絡(luò)的訓練參數(shù)；

對標簽對齊后的音頻特征，使用梯度下降算法迭代訓練所述深度神經(jīng)網(wǎng)絡(luò)，以提高所述深度神經(jīng)網(wǎng)絡(luò)的大小。

7.根據(jù)權(quán)利要求5所述的系統(tǒng)，其中，所述關(guān)鍵詞確定程序模塊還用于：

通過對每一幀的后驗概率進行平滑打分，確定所述對話語音識別結(jié)果的分值；

當所述識別結(jié)果的分值達到預(yù)設(shè)識別閾值時，將所述識別結(jié)果確定為組成所述對話語音的關(guān)鍵詞。

8.根據(jù)權(quán)利要求5所述的系統(tǒng)，其中，所述易串詞檢測程序模塊還用于：

當所述關(guān)鍵詞不在所述預(yù)設(shè)易串詞表中時，將所述關(guān)鍵詞作為所述語音的識別詞語。

9.一種電子設(shè)備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權(quán)利要求1-4中任一項所述方法的步驟。

10.一種存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-4中任一項所述方法的步驟。